Per citar aquest document: http://ddd.uab.cat/record/44481
Efficient knowledge retrieval to calibrate input variables in forest fire prediction
Wendt, Kerstin
Cortés Fité, Ana, dir. (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius

Data: 2008
Descripció: 72 p.
Resum: Forest fires are a serious threat to humans and nature from an ecological, social and economic point of view. Predicting their behaviour by simulation still delivers unreliable results and remains a challenging task. Latest approaches try to calibrate input variables, often tainted with imprecision, using optimisation techniques like Genetic Algorithms. To converge faster towards fitter solutions, the GA is guided with knowledge obtained from historical or synthetical fires. We developed a robust and efficient knowledge storage and retrieval method. Nearest neighbour search is applied to find the fire configuration from knowledge base most similar to the current configuration. Therefore, a distance measure was elaborated and implemented in several ways. Experiments show the performance of the different implementations regarding occupied storage and retrieval time with overly satisfactory results.
Resum: Los incendios forestales son una grave amenaza para seres humanos y para la naturalza desde el punto de vista ecológico, social y económico. Predecir su comportamiento usando simulaciones todavía da resultados poco fiables y sigue siendo una tarea desafiante. Trabajos más recientes, intentan calibrar variables de entrada, muchas veces imprecisas, aplicando técnicas de optimización como algoritmos genéticos. Para converger más rápido hacia soluciones más adecuadas, el algoritmo genético es guiado con conocimiento obtenido de fuegos históricos o sintéticos. Hemos desarrollado un método robusto y eficiente para almacenar y recuperar ese conocimiento. Aplicamos la búsqueda del vecino más cercano para encontrar la configuración del fuego más similar a la configuración actual dentro de la base de conocimiento. Para esto, hemos elaborado una función de distancia y la hemos implementado de diferentes maneras. Experimentos muestran el rendimiento de las distintas implementaciones considerando el almacenamiento ocupado y el tiempo de recuperación con resultados muy satisfactorios.
Resum: Els incendis forestals són una amenaça important tant pels homes com per a la natura des d'un punt de vista ecològic, social i econòmic. La predicció del comportament dels incendis forestals utilitzant simulació encara genera resultats poc fiables i, per tant, segueix essent un desafiament important. Aproximacions recents a aquest problema, intenten calibrar les variables d'entrada dels simuladors, les quals sovint presenten un grau important d'incertesa, utilitzant tècniques d'optimització com poden ser els Algoritmes Genètics (AG). Per tal de que la convergència dels AG a una solució bona sigui ràpida, l'AG es guia mitjançant el coneixement obtingut d'històrics d'incendis o focs sintètics. Per aquest treball s'ha desenvolupat un mètode eficient i robust d'emmagatzemament i recuperació del coneixement. El mètode anomenat Nearest Neighbour Search s'aplica per trobar la configuracióo guardada en la base de coneixements que més s'assembli a la configuracióo real de l'incendi. Per a tal efecte, s'ha desenvolupat una mètrica de distància la qual ha estat implementada de diferents formes alternatives. L'experimentació realitzada mostra resultats encoratjadors en el rendiment de les diferents implementacions tenint en compte l'emmagatzemament ocupat i el temps de recuperació de la informació.
Drets: Aquest document està subjecte a una llicència d'ús de Creative Commons, amb la qual es permet copiar, distribuir i comunicar públicament l'obra sempre que se'n citin l'autor original, la universitat i el departament i no se'n faci cap ús comercial ni obra derivada, tal com queda estipulat en la llicència d'ús Creative Commons
Llengua: Anglès.
Document: masterThesis
Matèria: Incendis forestals -- Prevenció i control -- Simulació per ordinador ; Algorismes genètics ; Informació -- Sistemes d'emmagatzematge i recuperació

Adreça alternativa: http://hdl.handle.net/2072/12809


72 p, 1.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de recerca i projectes de final de carrera

 Registre creat el 2009-07-14, darrera modificació el 2016-06-11



   Favorit i Compartir